IA biomédica · us
Hacer que la IA vuelva a ejecutar ensayos antiguos: EmulatRx prueba diseños de estudios clínicos con datos de historias clínicas
Cinco agentes de IA con funciones claramente diferenciadas colaboraron para reconstruir 20 estudios históricos, desde los protocolos de los ensayos y los campos de las historias clínicas hasta el análisis causal; los resultados muestran el potencial para apoyar el diseño, pero también ponen de relieve los límites que impiden que los datos del mundo real sustituyan a los ensayos aleatorizados.
Los errores más costosos de los ensayos clínicos suelen quedar sembrados antes de que se incorpore el primer paciente: criterios de inclusión demasiado restrictivos, desenlaces difíciles de obtener de las historias clínicas o factores de confusión clave que no se tratan adecuadamente. EmulatRx, desarrollado por un equipo de Weill Cornell Medicine, intenta hacer que varios agentes de IA «vuelvan a ejecutar» primero ensayos históricos utilizando registros electrónicos de salud existentes, para comprobar así la viabilidad del diseño del estudio. El estudio revisado por pares sobre este sistema se ha publicado en 《Nature Communications》, pero sigue planteándose como una herramienta de investigación y no como una fuente de evidencia que sustituya a los ensayos clínicos prospectivos.
Los investigadores evaluaron 20 simulaciones de ensayos. Diez estudios sobre enfermedades agudas utilizaron la base de datos de cuidados intensivos MIMIC-IV, mientras que otros 10 estudios sobre enfermedades crónicas emplearon datos de INSIGHT Network. Esta última integra historias clínicas de cinco sistemas sanitarios de Nueva York, lo que permitió al equipo comprobar si el sistema podía reconstruir comparaciones de tratamientos existentes a partir de datos del mundo real en distintas escalas temporales de enfermedad y contextos clínicos.
EmulatRx no deja todo el análisis en manos de un único chatbot, sino que dispone de cinco nodos con funciones específicas: Supervisor coordina el proceso; Trialist formula la estructura del ensayo; Clinician se ocupa de la relevancia clínica; Informatician vincula los criterios de inclusión y las variables con las historias clínicas electrónicas; y Statistician estima los efectos causales e interpreta los resultados. Esta división de tareas intenta convertir el trabajo de investigación clínica que originalmente requiere una coordinación reiterada en un proceso computacional rastreable y revisable.
En varias simulaciones, el sistema reprodujo los efectos terapéuticos comunicados anteriormente en estudios históricos e identificó diferencias en algunos subgrupos de pacientes. La documentación técnica también empleó como prueba de concepto un ensayo de corticosteroides en pacientes con sepsis ingresados en unidades de cuidados intensivos: después de que el sistema ajustara los criterios de elegibilidad, tratara las variables faltantes y revisara las covariables, la dirección del efecto medio del tratamiento y del cociente de riesgos obtenido coincidió con la del ensayo aleatorizado original. Estos resultados indican que podría ayudar a los investigadores, antes del reclutamiento formal, a detectar lagunas en los datos, estimar la población viable o comparar las posibles repercusiones de distintas configuraciones del protocolo.
Sin embargo, obtener respuestas similares a partir de datos históricos no significa que el sistema ya pueda predecir un nuevo ensayo. La forma en que se registran las historias clínicas electrónicas, la selección de los tratamientos y la composición de los pacientes pueden introducir sesgos; los factores de confusión no medidos tampoco desaparecen por aumentar el número de agentes. Por ello, los autores señalan que la validación actual se limita a MIMIC-IV e INSIGHT; aún no se ha demostrado su aplicabilidad entre distintas bases de datos, sistemas sanitarios y más áreas de enfermedad, y las estimaciones causales también requieren la revisión de expertos.
El código de la versión 1.0.0 de EmulatRx se ha archivado a través de Zenodo, donde ofrece una instantánea de la implementación que puede citarse; la documentación técnica de Weill Cornell indica que se ha presentado una solicitud de patente en Estados Unidos y que sus usos futuros podrían extenderse a estudios de eficacia posteriores a la comercialización, la vigilancia de la seguridad de los medicamentos, la ampliación de indicaciones y el reposicionamiento de fármacos existentes. Lo que realmente determinará su valor no es solo si puede reproducir ensayos antiguos, sino si puede generar de forma sostenida análisis transparentes y verificables en distintos hospitales, con datos de distinta calidad y ante nuevos interrogantes para los que aún no existe una respuesta estándar.